torch.nn.functional.affine_grid

torch.nn.functional.affine_grid(theta, size, align_corners=None)

給定一批仿射矩陣 theta，生成 2D 或 3D 流場（取樣網格）。

注意

此函式通常與 grid_sample() 結合使用，以構建 空間變換網路 (Spatial Transformer Networks)。

引數

• theta (Tensor) – 輸入的仿射矩陣批次，其形狀對於 2D 為 ($N \times 2 \times 3$)，對於 3D 為 ($N \times 3 \times 4$)

• size (torch.Size) – 目標輸出影像尺寸。對於 2D 為 ($N \times C \times H \times W$)，對於 3D 為 $N \times C \times D \times H \times W$) 示例: torch.Size((32, 3, 24, 24))

• align_corners (bool, optional) – 如果為 True，則將 -1 和 1 視為角畫素的中心，而非影像的角點。更完整的描述請參考 grid_sample()。由 affine_grid() 生成的網格應與此選項的相同設定一起傳遞給 grid_sample()。預設值: False

返回值

大小為 ($N \times H \times W \times 2$) 的輸出 Tensor

返回值型別

output (Tensor)

警告

當 align_corners = True 時，網格位置取決於畫素尺寸相對於輸入影像尺寸的大小，因此對於不同解析度（即經過上取樣或下采樣）的相同輸入，grid_sample() 取樣到的位置將不同。直到 1.2.0 版本，預設行為是 align_corners = True。自此之後，預設行為已更改為 align_corners = False，以便與 interpolate() 的預設行為保持一致。

警告

當 align_corners = True 時，對 1D 資料進行 2D 仿射變換以及對 2D 資料進行 3D 仿射變換（即當一個空間維度尺寸為 1 時）是未明確定義的，並非預期用例。當 align_corners = False 時則沒有此問題。直到 1.2.0 版本，沿尺寸為 1 的維度上的所有網格點都被任意視為位於 -1 處。從 1.3.0 版本開始，在 align_corners = True 的設定下，沿尺寸為 1 的維度上的所有網格點都被視為位於 0 處（即輸入影像的中心）。